- •1.1. Характерные особенности современных НИ
- •1.2. Типовая структура АСНИ
- •1.3. Задачи, решаемые АСНИ
- •1.3.1. Задачи автоматизации экспериментальных исследований
- •1.3.2. Автоматизация этапов НИ, носящих творческий характер
- •1.5. Экономический эффект от автоматизации НИ
- •1.6.1. Экспериментальные исследования
- •1.6.2. Цели автоматизации экспериментальных исследований
- •1.6.3. Назначение АСНИ-Э
- •1.6.5. Структуры АСНИ-Э
- •1.6.6. Функциональная структура АСНИ-Э
- •1.6.7. Основные направления работ по созданию АСНИ-Э
- •Контрольные вопросы
- •2. СПЕКТРАЛЬНЫЙ АНАЛИЗ ИССЛЕДУЕМОГО ОБЪЕКТА
- •2.3. Второй способ оценки спектральной плотности
- •2.4. Получение вторым способом сглаженной оценки спектральной плотности
- •2.5. Оценка взаимных корреляционных функций двух эргодических случайных процессов
- •Контрольные вопросы
- •3. ПРИМЕНЕНИЯ СПЕКТРАЛЬНОГО АНАЛИЗА ИССЛЕДУЕМОГО ОБЪЕКТА
- •3.1. Оценка частотной характеристики исследуемого объекта, представляющего собой линейную динамическую систему
- •1 GAfk)
- •Контрольные вопросы
- •ГЛАВА 4. СТАТИСТИЧЕСКАЯ ОБРАБОТКА РЕЗУЛЬТАТОВ ИЗМЕРЕНИЙ
- •4.1. Генеральная и выборочная совокупность случайной величины X
- •4.2. Задачи, решаемые при статистической обработке результатов измерений случайной величины X
- •4.3. Оценивание по выборке статистических характеристик случайной величины X
- •4.4. Общие свойства точечных оценок
- •4.5. Методы получения точечных оценок параметров закона распределения случайной величины X
- •4.5.1. Метод моментов
- •4.5.2. Метод максимума правдоподобия
- •4.6. Законы распределения, наиболее широко используемые при статистической обработке результатов измерений
- •4.6.1. Нормальное распределение
- •4.6.2. Распределение %2
- •4.6.3. Распределение Стьюдента
- •4.6.4. Распределение Фишера
- •4.7. Доверительный интервал и доверительная вероятность
- •4.8. Корреляционный анализ
- •Контрольные вопросы
- •ГЛАВА 5. ПОСТРОЕНИЕ МАТЕМАТИЧЕСКОЙ МОДЕЛИ ИССЛЕДУЕМОГО ОБЪЕКТА С ПОМОЩЬЮ МЕТОДА НАИМЕНЬШИХ КВАДРАТОВ
- •5.1. Статистические математические модели исследуемого объекта
- •5.2. Метод наименьших квадратов
- •5.2.1. Постановка задачи
- •5.2.2. Решение задачи определения математической модели исследуемого объекта
- •5.2.4. Ошибки при выборе вида математической модели исследуемого объекта
- •5.2.5. Проверка адекватности математической модели исследуемого объекта
- •Контрольные вопросы
- •ГЛАВА 6. ПЛАНИРОВАНИЕ ЭКСПЕРИМЕНТА
- •6.1. Теория эксперимента
- •6.2. Основные понятия планирования эксперимента
- •6.3. Общие требования к плану эксперимента. О критериях планирования эксперимента
- •6.4. Планы для моделей, описываемых полиномами первого порядка
- •6.4.1. Вид модели
- •6.4.2. Полные факторные планы
- •6.4.3. Дробные факторные планы
- •6.5.1. Вид модели
- •6.5.2. Применение полных факторных планов для моделей типа (6.40)
- •6.5.3. Применение дробных факторных планов для модели типа (6.40) и порядок смешивания оценок коэффициентов
- •6.5.4. Вычислительные формулы и свойства планов 2" р
- •6.6. Планы для квадратичных моделей
- •6.6.1. Вводные замечания
- •6.6.2. Ортогональные центральные композиционные планы
- •Контрольные вопросы
- •ЗАКЛЮЧЕНИЕ
- •Файзрахманов Рустам Абубакирович, Липатов Иван Николаевич
- •АВТОМАТИЗАЦИЯ НАУЧНЫХ ИССЛЕДОВАНИЙ
Дисперсия o?(jr) в этом случае зависит не только от расстояния
между точкой х и центром плана; следовательно, план X не является ротатабельным.
План X называется ненасыщенным, если N > к +1, и насыщен ным, если N = к + ]. Здесь N - число экспериментов в плане; (к +1) - число оцениваемых коэффициентов.
6.3. Общие требования к плану эксперимента. О критериях планирования эксперимента
В главе 5 мы при определении оценок параметров модели иссле дуемого объекта исходим из того, что результаты наблюдений полу чены в некотором заданном множестве точек. На практике, однако, часто оказывается возможным свободно выбирать условия проведе ния опытов в пределах некоторых границ. Выбор числа и условий проведения экспериментов, обеспечивающих получение наилучшего в определенном смысле результата исследования, составляет цель планирования эксперимента. Разработан ряд критериев оптимально сти планов эксперимента, важнейшие из которых будут рассмотрены ниже. Следует отметить, что оптимальный выбор плана эксперимента существенным образом зависит от конкретных особенностей иссле дуемого объекта, таких как вид его модели, стоимость отдельных опытов, области варьирования независимых переменных и т.п.
Одной из важнейших характеристик плана, влияющей, с одной стороны, на стоимость и длительность исследования, а с другой - на точность результатов, является число экспериментов N
Заметим, что план с минимально возможным числом эксперимен тов N = к + \ (насыщенный план) не позволяет проверить адекват ность модели. Поэтому обычно выбирают N > к +1, где к +1 - число оцениваемых параметров модели исследуемого объекта.
Важное значение для оценки качества плана эксперимента имеет вид информационной матрицы плана
М = FTF.
Матрица М должна быть невырожденной, г.е. |м| Ф0, где |м| - оп ределитель матрицы М . Только в этом случае формула (6.2) имеет
единственное решение вида |
|
a = (FTF y 'F TY |
(6.28) |
Перечислим теперь некоторые критерии планирования экспери мента, используемые в практических исследованиях.
1. Критерий ортогональности плана. Этот критерий требует та кого выбора плана X для оценки коэффициентов модели заданного вида, при котором информационная матрица плана диагональная.
Использование критерия ортогональности имеет целью упроще ние вычислений и получение независимых оценок коэффициентов. Нетрудно увидеть, что при ортогональном планировании матрица
(FTF)~' является диагональной, и, следовательно, ковариации оценок коэффициентов равны нулю. Это значит, например, что замена нулем любого коэффициента в уравнении модели не изменит значений оце нок остальных коэффициентов. Такое свойство ортогональных планов оказывается очень полезным, когда точный вид модели исследуемого объекта неизвестен и исследователь использует экспериментальные данные для отбора переменных, существенно влияющих на выходную величину.
2. Критерий ротатабельности. Этот критерий требует такого расположения экспериментальных точек в области планирования Qx,
при котором дисперсия <т?(х) оценки значений зависимой переменной
в точке х зависит только от расстояния от этой точки до центра пла на. Такой критерий хорошо согласуется с требованием равнозначно сти (с точки зрения точности оценки зависимой переменной) всех на правлений от центра плана.
Названные критерии обеспечивают некоторые полезные и удобные свойства оценок коэффициентов, однако они никак не связаны с требо ванием максимальной точности построения модели. Критерии, приво димые ниже, обеспечивают оптимальность планов эксперимента с точки зрения точности оценки параметров модели или зависимой переменной.
3. Критерий А-оптималыюсти. Этот критерий требует такого выбора плана, при котором матрица С = (FTF y ] имеет минимальный след (т.е. сумма диагональных элементов матрицы С минимальна). Поскольку в соответствии с (5.40) диагональный элемент сп матрицы
С пропорционален дисперсии оценки z-го коэффициента, то критерий А-оптимальности, по существу, требует минимизации средней дис персии оценок коэффициентов модели исследуемого объекта.
4. Критерий Д-оптимальности. Этот критерий требует такого
расположения точек в области Qt , при котором определитель матри
цы С = (F'F)~' минимален (или определитель матрицы М = F1F
максимален). £>-оптимальный план минимизирует объем эллипсоида рассеяния оценок коэффициентов модели исследуемого объекта.
5. Критерий G-оптимальности. Критерий G-оптимальности тре бует такого расположения точек в области Qt , при котором достигает ся наименьшая величина максимальной дисперсии оценки зависимой переменной в области Qv В отличие от критериев А- и D-опти- мальности, связанных с точностью нахождения коэффициентов моде ли, критерий G-оптимальности требует максимальной точности оценки зависимой переменной.
Все перечисленные критерии связаны с предположением, что вид модели исследуемого объекта известен. Однако на практике часто возникает такая ситуация, когда исследователь не знает истинного вида модели. В таком случае эксперимент обычно сначала планирует ся, исходя из простейшего предположения о линейности модели от носительно варьируемых переменных. После проведения опытов про веряется адекватность линейной модели. Если модель адекватна, экс перимент заканчивают. В противном случае переходят к построению модели более высокого порядка (например, к построению квадратич ной модели) и так далее до получения адекватной модели.
На практике часто полезно стремиться к тому, чтобы один и тот же план удовлетворял одновременно ряду критериев, например, был бы D-оптимальным и ортогональным и т.п. В общем случае такого сочетания свойств не наблюдается, однако иногда в одном плане со четается ряд полезных свойств. Например, легко убедиться в справед ливости следующего утверждения: ортогональный план для линейной модели (5.3) одновременно является и ротатабельным, если
(FrF)~' = С = g l, g - константа, I - единичная матрица.
В самом деле, согласно (6.20) дисперсия оценки зависимой пере менной в точке плана х для таких планов определяется как
4 .0 = / Т|W fJ f y■'fix )* 2 = go2(i + i x?) •